YUV、RGB是我们常见的两大类像素格式。
YUV是一种颜色模型。相比较于RGB，它在考虑人类感知的情况下对彩色图像进行编码，从而减少色度分量的带宽。
在YUV模型的定义中：Y表示亮度分量，可以看作是灰度图。U、V是两个色度分量，分别代表蓝色投影、红色投影。
YUV与YCrCb
YCrCb是YUV的别称，Cr、Cb分别指U、V。
下采样：4:4:4、4:2:2、4:1:1、4:2:0
下采样：人眼对亮度的变化敏感度是高于对色度变化的。所以，YUV的下采样，在不改变亮度分量Y的情况下，对U、V两个颜色分量，采取不同的下采样策略，以达到适当降低图像质量，优化内存占用的目的。
YUV4:4:4：无下采样。Y、U、V每个像素都进行采样。如果每个分量占8bit，那么每个像素占24bit。
YUV4:2:2：使用 2:1 的水平下采样。Y每个像素都进行采样，而U、V则在水平方向上每两个像素采样一次。如果每个分量占8bit，则两个像素占32bit，即平均一个像素占16bit。
YUV4:1:1：使用 4:1 的水平下采样。Y每个像素都进行采样，而U、V则在水平方向上每四个像素采样一次。如果每个分量占8bit，则四个像素占48bit，即平均一个像素占12bit。
YUV4:2:0：使用 2:1 的水平下采样和 2:1 的垂直下采样。Y每个像素都进行采样，而U、V则在每个 2x2 像素块处采样一次。如果每个分量占8bit，则四个像素占48bit，即平均一个像素占12bit。
Packed、Planar和Semi-planar
关于Packed、Planar，可参考：图像存储策略：Packed与Planar。
YUV的存储格式有三种：Packed、Planar和Semi-planar。
Packed：Y、U、V三个分量，在内存中交错保存。如YUYV422：
Planar：Y、U、V三个分量，保存在不同的平面中。不同的平面代表不同的连续内存块。通常内存排列先是Y平面，然后紧跟U平面，最后是V平面。当然，拆开保存成不同的文件亦可。该格式通常以P为结尾，如YUV420P：
Semi-Planar：Y分量保存在一个平面。U、V分量保存在另一个平面，两者交错保存。该格式通常以SP为结尾，如YUV420SP：
I420与YV12
两者都是YUV420P，区别在于U、V的内存排列：
I420：先是Y平面，然后是U平面，最后是V平面。(I420又称IYUV)
YV12：先是Y平面，然后是V平面，最后是U平面。
NV12与NV21
两者都是YUV420SP，Y分量保存在一个平面。U、V分量保存在另一个平面，两者交错保存。区别在于U、V的排列先后。
NV12：在U&V平面，第一个字节是U，第二个字节是V。周而复始。
NV21：在U&V平面，第一个字节是V，第二个字节是U。周而复始。
YUV444P10BE与YUV444P10LE
BE即大端字节序。LE即小端字节序。
10即10bit表示一个分量：
YUV444P采用8bit表示一个分量。每个分量的可取值是有8 = 256种。每个像素的可取值有 28 * 28 * 28 = 16,777,216种。
YUV444P10采用10bit表示一个分量。每个分量的可取值有210 = 1,024种。每个像素的可取值有 210 * 210 * 210 = 1,073,741,824种，远多于YUV444P。能在光暗、颜色上表现得更加细腻、逼真，但内存占用也更大。
计算YUV大小
一张分辨率为w * h的YUV图：
如果是YUV444P，则:
size(YUV) = size(Y) + size(U) + size(V)
= w * h + w * h + w * h
= w * h * 3
如果是YUV422P，则：
size(YUV) = size(Y) + size(U) + size(V)
= w * h + (w / 2) * h + (w / 2) * h
= w * h * 2
如果是YUV420P，则：
size(YUV) = size(Y) + size(U) + size(V)
= w * h + (w / 2) * (h / 2) + (w / 2) * (h / 2)
= w * h * 1.5
YUVResource提供了几张不同YUV格式，分辨率均为720P，即1280x720的图片。
park_joy_444_1280x720.yuv为YUV444P，则：
size = 1280 * 720 * 3 = 2,764,800 byte = 2700 kb
park_joy_422_1280x720.yuv为YUV422P，则：
size = 1280 * 720 * 2 = 1,843,200 byte = 1800 kb
park_joy_420_1280x720.yuv为YUV420P，则：
size = 1280 * 720 * 1.5 = 1,382,400 byte = 1350 kb
YUV像素处理
请参考雷霄骅的视音频数据处理入门：RGB、YUV像素数据处理：
YUV查看工具
推荐雷霄骅的修改了一个YUV/RGB播放器。下载地址：yuvplayer.exe。
该软件支持YUV/RGB的查看。
YUV转RGB
转换公式
RGB888转为YUV444
Y = ((66 * R + 129 * G + 25 * B + 128) >> 8) + 16
U = ((-38 * R - 74 * G + 112 * B + 128) >> 8) + 128
V = ((112 * R - 94 * G - 18 * B + 128) >> 8) + 128
YUV444转为RGB888
R = clip(( 298 * (Y - 16 ) + 409 * (V - 128) + 128) >> 8)
G = clip(( 298 * (Y - 16 ) - 100 * (U - 128) - 208 * (V - 128) + 128) >> 8)
B = clip(( 298 * (Y - 16 ) + 516 * (U - 128) + 128) >> 8)
clip()表示将结果裁剪到[0..255]的范围。
实现代码可以参考YUVSample：
注意：示例代码是采用逐像素替换的方式，时间复杂度是O(wh)，也是最低效的转换方式。
高效转换的几种方法
- libyuv：Google开源的一个YUV缩放和转换功能的开源项目。libyuv使用CPU的特殊指令集，对CPU的运算做加速，如：row_neon.cc。
- FFmpeg：开源的音视频处理库。它的libswscale也会使用CPU指令集进行加速，如：yuv2rgb_neon.S。
- OpenCV：开源计算机视觉库。与前两者类似，支持指令集加速，如：color_yuv.simd.hpp。
- GPU转换：比如调用OpenGL来转换，速度远大于CPU。但如果转换的结果，要作为其他运算的输入，比如人脸识别，就需要拷贝结果到CPU上，那整体耗时又不如单纯靠CPU处理了。关于如何高效拷贝GPU数据，可参考：Unreal：如何高效的将数据从GPU拷贝到CPU。
- NPU转换：嵌入式同事的一个思路：直接以NV21作为模型输入，利用NPU来做YUV到RGB的转换。模型输出（或后处理）同时可级联至其他模型（detector）的输入（或复用它的前处理）。这样做的目的是，CPU拷贝的数据量少，传输要求带宽少。测试结果来看，速度和CPU相差无几。
- 2D图形加速驱动：看看厂商有没有提供2D图形加速驱动。嵌入式同事：2D图形加速驱动，驱动是内核本来就会自动调用的，会比CPU特殊指令集还快。
FFmpeg YUV转换命令
YUV444转YUV420
ffmpeg -s 1280x720 -pix_fmt yuv444p -i park_joy_444_1280x720.yuv -pix_fmt yuv420p park_joy_420_1280x720.yuv
YUV444转RGB24
ffmpeg -s 1280x720 -pix_fmt yuv444p -i park_joy_444_1280x720.yuv -pix_fmt rgb24 park_joy_888_1280x720.rgb
截取YUV视频流某一帧
ffmpeg -i park_joy_444_720p50.y4m -video_size hd70 -c:v rawvideo -filter:v "select='between(n\, 100\, 100)'" park_joy_444_1280x720.yuv
参考资料
Pixel and Planar Image Formats
